面向无人机救援搜寻的多轨迹策略优化方法

无人机在应急救援中能有效辅助搜救人员缩短搜寻时间,减小生命财产损失。针对无人机搜寻规模变大时传统方法运行时间较长的问题,提出一种基于注意力机制的多轨迹策略优化方法。该方法基于深度强化学习算法,引入多轨迹采样技术,避免轨迹数据产生采样偏差;引入数据增强技术,进一步丰富轨迹数据特征;提出结合信息熵的目标损失函数,指导模型探索更优可行解空间。网络模型采用编码-解码框架,通过调整注意力机制网络提升编码器学习能力,利用添加残差子层提升解码器泛化能力。采用随机数据集和公共数据集分别验证模型的优化效果和泛化性能。试验结果显示,基于注意力机制的多轨迹策略优化方法相比理论最优解,在计算时间方面平均缩短了94.3%。此外,基于注意力机制的多轨迹策略优化方法相比对照方法的解,在平均差距方面相对提升了95.1%,在标准差方面降低了4.4%,为提升无人机救援搜寻效率提供了技术参考。

嵌入式灾区救援搜寻系统设计与实现

灾区现场环境复杂,救援工作具有极大难度,特别在火场、震区等情况下,人工搜寻极其不便。设计了一种基于ARM的嵌入式救援搜寻系统,搭配小型飞行器等救援机器人,利用COFDM调制技术,实现系统与上位机的通信,实时传输视频图像数据,并采用红外感应及人脸识别等功能,协助进行搜寻工作。实际测试结果表明,救援搜寻系统具有一定实用价值,在复杂环境中能够有效地进行搜救工作。

搜寻救援民用航空器的能力评估方法研究

为科学合理地对失事民用航空器进行搜寻援救的能力评估,利用模糊数学的思想进行综合评价,结合搜寻救援的实际情况,建立基于改进模糊层次分析法的搜寻救援能力评估模型。构建搜寻救援能力的评价指标体系;通过对某地区民用航空器搜寻救援能力进行评估,从而验证改进模糊层次分析法评估方法的科学、客观、有效。

马航MH370失联对空中交通管理的启示

鉴于马航MH370失联引发人们对航空安全的思考,结合马航失联事件,分析了航空器实时监视及健康管理、黑匣子和空中交通管理(简称空管)自动化系统等因素并提出对空管的启示。此外从我国空管系统国产化、我国航空器监视系统和健康管理、加快北斗导航系统的民航应用、应急救援体系以及下一代空管系统建设等方面分别给出了建议。

基于YOLO架构的海面目标航空器识别研究

针对海面搜寻航空器效率低下的问题,为保障搜寻救援效率和相关人员的生命及财产安全,提出了一种基于YOLO架构的卷积神经网络对无人机拍摄的海面图像中的航空器进行识别检测方法,对航空器特殊情况下的最新检测和识别方法的性能进行了测试。在“You Only Look Once”方法的基础上,测试了两个较为常用的一步目标检测神经网络架构YOLO V.3和TINY YOLO V.3。在卷积神经网络体系结构的基础上,构建专门的图像数据库和测试数据库并投入使用。研究表明,该模型能够准确识别海面目标航空器,并具有较高的图像处理速度、识别能力、定位精度和实时处理速度。该方法可以有效实现海面目标航空器的识别,达到搜寻海面航空器的目的。

一种变体无人机构型仿真研究

为了提高建筑物内部和森林搜寻救援效率,提出通过在飞行中进行变体来提高飞行器穿越狭小空间的灵活性,设计一种可在飞行中变体的多旋翼无人机构型,完成该变体构型的建模和运动仿真,对构型进行优化和仿真验证。结果表明:优化前的变体无人机构型变体后横向尺寸最大减少率为39.0%,面积最大减少率为58.53%,优化后的变体无人机构型变体后横向尺寸最大减少率为41.5%,面积最大减少率64.3%,最大气动遮挡面积比优化前减少24.7%。这表明优化后的变体构型设计合理、有效,同时也说明通过飞行器变体来提高其在建筑物内部和森林中的搜救效率既是可能的,也是合理的。